Tensorflow是怎樣運(yùn)作的

1. 導(dǎo)入或生成數(shù)據(jù)集

2. 對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化

3. 將數(shù)據(jù)集劃分成三部分：訓(xùn)練集、測試集合驗(yàn)證（validation）集：驗(yàn)證集用于調(diào)整假設(shè)參數(shù)，以獲取一組最好的假設(shè)參數(shù)

4. 設(shè)定算法參數(shù)

5. 初始化變量（Variable）和占位符（Placeholder）

6. 定義模型結(jié)構(gòu)

7. 聲明損失函數(shù)

8. 初始化并訓(xùn)練模型

9. 評(píng)估模型

10. 調(diào)整假設(shè)參數(shù)

11. 部署／預(yù)測新的輸出

聲明變量（Variable）和張量（Tensor）

固定張量：

創(chuàng)建一個(gè)由0填充的張量：

zero_tsr = tf.zeros([row_dim, col_dim])

創(chuàng)建一個(gè)由1填充的張量：

ones_tsr = tf.ones([row_dim, col_dim])

創(chuàng)建一個(gè)由常數(shù)填充的張量：

filled_tsr = tf.fill([row_dim, col_dim], 42)

創(chuàng)建一個(gè)張量類型的常數(shù)

constant_tsr = tf.constant([1,2,3])

序列張量：

linear_tsr = tf.linspace(start=0, stop=1, start=3)

integer_seq_tsr = tf.range(start=6, limit=15, delta=3)

隨機(jī)張量：

randunif_tsr = tf.random_uniform([row_dim, col_dim],minval=0, maxval=1)

randnorm_tsr = tf.random_normal([row_dim, col_dim],mean=0.0,stddev=1.0)

truncnorm_tsr = tf.truncated_normal([row_dim, col_dim],mean=0.0, stddev=1.0)

# mean表示均值，stddev表示偏差

randnorm=tf.random_normal(shape=[1000],mean=0 ,stddev=1.)

randtrun=tf.truncated_normal(shape=[1000],mean=0,stddev=1.)

對比

shuffled_output = tf.random_shuffle(input_tensor)

cropped_image = tf.random_crop(my_image, [height/2, width/2,3])

使用占位符（Placeholder）和變量（Variable）

變量：就是算法中的那些參數(shù)，tenserflow框架會(huì)時(shí)刻追蹤著那些變量，調(diào)整變量的值，使算法最優(yōu)化。

placeholder：占位符，你可以往里面喂進(jìn)制定類型和形狀的張量。

代碼

使用矩陣

//創(chuàng)建對角矩陣

identity_matrix = tf.diag([1.0, 1.0, 1.0])

//將數(shù)組轉(zhuǎn)化為張量

D = tf.convert_to_tensor(np.array([[1., 2., 3.],[-3., -7.,-1.],[0., 5., -2.]]))

//兩個(gè)矩陣相乘

tf.matmul(m1,m2)

//對矩陣進(jìn)行轉(zhuǎn)置操作

tf.transpose(m)

//計(jì)算矩陣所對應(yīng)的行列式的值

tf.matrix_determinant(m)

//獲取該矩陣的逆矩陣

tf.matrix_inverse(m)

//使用cholesky分解：一個(gè)對稱正定矩陣可以表示成一個(gè)下三角矩陣L和其轉(zhuǎn)置的乘積的分解

tf.cholesky(m)

//獲取矩陣的特征值和特征向量

tf.self_adjoint_eig(m)

聲明操作（Operation）

abs()

求輸入tensor的絕對值

ceil()

對tensor進(jìn)行向上取整

cos()

求tensor的cos值

exp()

求tensor以e為底的指數(shù)

floor()

對tensor進(jìn)行向下取整

inv()

求tensor的倒數(shù)

log()

求tensor的自然對數(shù)

maximum()

選取兩個(gè)tensor中較大的那個(gè)元素

minimum()

選取兩個(gè)tensor中較小的那個(gè)元素

neg()

求tensor的負(fù)數(shù)

pow()

第一個(gè)tensor作為底數(shù)，第二個(gè)tensor作為指數(shù)

round()

獲取tensor的約數(shù)，四舍五入

rsqrt()

求tensor的平方根到倒數(shù)

sign()

根據(jù)tensor的sign值返回-1,0,1

sin()

求tensor的sin值

sqrt()

求tensor的平方根

square()

求tensor的平方

squared_difference()

求兩個(gè)tensor的差的平方

輸出結(jié)果

實(shí)現(xiàn)激活函數(shù)

sigmod 類：

sigmod: 1/(1+exp(-x))

tanh: ((exp(x)- exp(-x))/(exp(x)+exp(-x))

softsign: x/(abs(x) + 1)

輸出圖像

ReLu 類:

softplus: log(exp(x) + 1)

ReLu: max(0,x)

ReLu6: min(max(0,x),6)

ExpLu(elu): (exp(x)-1) if x < 0 else x

總結(jié)

以上是生活随笔為你收集整理的Tensorflow（一） 基础命令的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。